文献

J-GLOBAL ID：201202292463103265   整理番号：12A0508592

分類器グリッドのためのオンライン逆多重インスタンスブースティング

On-line inverse multiple instance boosting for classifier grids

著者 (3件)： STERNIG Sabine (Inst. for Computer Graphics and Vision, Graz Univ. of Technol., AUT) ,  ROTH Peter M. (Inst. for Computer Graphics and Vision, Graz Univ. of Technol., AUT) ,  BISCHOF Horst (Inst. for Computer Graphics and Vision, Graz Univ. of Technol., AUT)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 33  号： 7  ページ： 890-897  発行年： 2012年05月01日 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分類器グリッドは静止カメラからの物体検出の選択の一つとされている。画像位置ごとにひとつの分類器を適用することにより,分類器の複雑さは減り,より特定で正確な分類器が推定される。さらにオンライン学習器を用いることにより,高度に適応的なかつ安定した検出システムが得られる。長期的な安定性は示されているものの,そのようなシステムは物体が長時間動いていない場合には,短期的なドリフト性がある。この研究のゴールは,この問題の解決であり,精度を維持しながら,再現性を増加することである。特に,オンラインブースティングのための多重インスタンス学習(MIL)からのアイデアを採用した。ポジティブサンプルにあいまいさを仮定する標準MIL手法と異なり,この概念をネガティブサンプルに適用した:逆多重インスタンス学習。異なる時間スケール上で動作するバックグラウンド画像からなる時間バッグを導入することにより,各バッグは,理論的要求を与える,ネガティブラベルをもつ少なくともひとつのサンプルを有することを保証できた。実験結果は,非移動物体の存在下で良好な分類結果を示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： パターン認識 ,  *学習アルゴリズム
準シソーラス用語： AdaBoost ,  オンライン学習 ,  *多重インスタンス学習 ,  *多重分類器 ,  *物体検出

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 分類器 ,  グリッド ,  オンライン ,  多重 ,  インスタンス ,  ブースティング